一、前言
在之前的图论算法中有说过基本都是从一个原点出发,然后定义其他点到原点的一个距离最小值。那假设这个原点都是不固定的,而题目刚好要求去求任意两个点之间的最小距离的话,那么这个时候暴力美学就非常凸显出其独有的重要性了。那么本章总结的Floyd算法,就是能够解决这样的问题。
本章题大多来源于ACwing,欢迎大家来这个平台一起学习算法!!
二、题目汇总
①Floyd算法模板(ACwing.854)
相关分析
时间复杂度:
$O(n^3)$
适用场景:
当点的数量很少,而边的数量较多的稠密图,且题目要求求的是任意两点之间的最短距离的时候,就可以利用此算法进行求解。
思路:
由于是稠密图,可以用邻接矩阵来存图,对于每个邻接矩阵,都是会有$g[a][b]$表示a到b的距离,那么一旦a到b之间这条路径有其他点k的话,那么就可以考虑用k这个点去尝试更新一下$g[a][b]$之间的距离,也就是:
$$
g[a][b] = min(g[a][b], g[a][k] + g[k][b])
$$
这样的话,我们利用三层循环,内两层循环去循环a,b两个点,外一层循环,循环k这个点这样就可以不重不漏的列举每个路径的可能性,对于无边的边,初始化为正无穷,就可以实现更新了。
完整AC代码
#include <iostream>
#include <cstring>
#include <algorithm>
using namespace std;
const int INF = 1e9;
const int N = 205;
int n, m, k;
int grid[N][N];
void floyd() {
for(int k = 1; k <= n; k ++ ) {
for(int i = 1; i <= n; i ++ ) {
for(int j = 1; j <= n; j ++ ) {
grid[i][j] = min(grid[i][j], grid[i][k] + grid[k][j]);
}
}
}
}
int main() {
cin >> n >> m >> k;
//初始化
for(int i = 1; i <= n; i ++ ) {
for(int j = 1; j <= n; j ++) {
if(i == j) grid[i][j] = 0;
else grid[i][j] = INF;
}
}
for(int i = 1; i <= m; i ++ ) {
int a, b, c;
cin >> a >> b >> c;
grid[a][b] = min(grid[a][b], c);
}
floyd();
while(k -- ) {
int x, y;
cin >> x >> y;
if(grid[x][y] > INF / 2) cout << "impossible" << endl;
else cout << grid[x][y] << endl;
}
return 0;
}
相关问题
循环的顺序能不能变?
在上面的代码,我们可以看到,循环的顺序是先循环k,再循坏i,j。也就如下
void floyd() {
for(int k = 1; k <= n; k ++ ) {
for(int i = 1; i <= n; i ++ ) {
for(int j = 1; j <= n; j ++ ) {
grid[i][j] = min(grid[i][j], grid[i][k] + grid[k][j]);
}
}
}
}
如果把k这一层放到最内层,如下的话可以吗?
void floyd() {
for(int i = 1; i <= n; i ++ ) {
for(int j = 1; j <= n; j ++ ) {
for(int k = 1; k <= n; k ++ ) {
grid[i][j] = min(grid[i][j], grid[i][k] + grid[k][j]);
}
}
}
}
答案是不行的!
首先举个例子,假设有一组样例是这样的
10 4 1
2 8 1
8 9 8
9 1 10
1 10 0
2 10
上面的样例,显然从2到10的距离最短是19,但是如果按照第二种方式,最后得到的结果会是impossible的,为什么呢?从循环顺序来看,当我们要求$ g[2][10]$的时候就需要求$g[2][1]$,而在求$g[2][1]$的时候,我们发现$g[2][1]是通过g[2][9]和g[9][1]得到的 $,而如果循环把k放到内层,那么$g[2][9]$会在i=2,j=9的时候才能推出来,这样就导致$g[2][1]$不能顺利得到正确结果,也就是最后得不到一条2到10的最短距离。
其次我们应该用动态规划的思想去理解Floyd的算法。我们可以让这个算法的动态规划数组看成$f(k, i, j)$代表以前k个点为媒介的时候,从i到j这个点的最短距离。
利用dp分析的方法有下面这个图
动态规划转移方程如下:
$$
f[k][i][j] = min(f[k - 1][i][j],f[k - 1][i][k] + f[k-1][k][j])
$$
也就是说,我们当前第k层的状态应该根据上一层已经推出的k-1层来进行运算,所以k这一层循环应当放在最外面。
而由于上一层推出来的一个数据本身就可以用来推导下一层,就和背包dp问题的感觉一样,就可以优化一层,利用滚动数组的感觉,变成二维的dp解法,也就是我们的解法一。